- •Методические аспекты моделирования в асу и классификация моделей.
- •3. Организация статистического моделирования. Метод монте - карло.
- •Имитация равномерно распределенных случайных величин на интервале [0; 1].
- •Метод обратных функций. Примеры реализации.
- •Имитация векторных случайных величин; стандартный метод
- •Имитация нормально распределенных св (одномерный и многомерный случаи)
- •Анализ методов имитации случайных величин с заданным законом распределения (одномерный и многомерный случаи)
- •Имитация редких событий
- •Оценка количества реализаций, необходимых для достижения требуемой точности в методе статистических испытаний
- •Метод монте – карло и имитационное моделирование
- •Методы понижения дисперсии и методы вычисления интегралов
- •Регенеративный метод анализа моделей
- •Метод стратифицированной выборки
- •Методология имитационного моделирования
- •3. Формулировка математической модели.
- •Типовые математические схемы сложных систем. Агрегат и его функционирование,
- •4.Пример представления смо в виде агрегата.
- •7.Системная динамика
- •17.Метод лемера и сдвиг бернулли. Детерминированный хаос
- •35.Особенности моделирования организационно – экономических систем. Активные системы.
- •23.Характеристики интегрированной среды моделирования gpss
- •23.Основы моделирования в системе gpss
- •31.Смо; классификация и решение задач с помощью имитационного моделирования
- •36.Имитационное моделирование систем управления запасами
- •6.Метод Бокса-Уилсона.
- •3. Определение запаса для движения в направлении крутого восхождения
- •7. Проводим пошаговое приращение в каждом последующем опыте величины уровня фактора, учитывая знаки коэффициентов регрессии.
- •9. Классификация случайных процессов и корреляционные функции.
- •Корреляционные функции
- •18.Имитация потоков событий и случайных векторных величин.
- •19.Понятие детерминированного хаоса и показатель Ляпунова.
- •21. Особенности моделирования организационно-экономических систем. Производственные функции.
- •27.Системы массового обслуживания; классификация и решение задач аналитическим методом.
- •28.Методы имитации дискретных случайных величин.
- •30.Задача определения давления в пласте с помощью метода Монте-Карло.
- •32. Моделирование геологического разреза.
- •Теоретическая часть. Построение имитационной модели геологического разреза
- •34.Системы управления запасами; типовые математические модели.
- •37.Агентное моделирование.
- •Причины возникновения
- •Постановка задачи
- •Реализации
- •38.Имитация экспоненциально распределенных случайных величин.
- •40.Метод композиций; имитация св, подчиненных распределению хи квадрат.
38.Имитация экспоненциально распределенных случайных величин.
Экспоненциальный закон распределения встречается достаточно часто на практике: например, время безотказной работы оборудования в некоторых системах массового обслуживания. С другой стороны, на примере экспоненциального закона распределения удобно проиллюстрировать применение основного метода моделирования случайных величин.
Если случайная величина распределена по экспоненциальному закону на с плотностью
то в силу того, что
уравнение для метода обраных функций примет вид .
Отсюда для расчета случайной величины, подчиненной экспоненциальному закону распределения, получаем явное выражение
Так как случайная величина также равномерно распределена на (0,1), то для определения можно пользоваться выражением
40.Метод композиций; имитация св, подчиненных распределению хи квадрат.
Известно, что сумма квадратов ν независимых случайных величин, распределенных по нормальному закону с нулевым математическим ожиданием и единичной дисперсией распределена по закону χ2 с ν степенями свободы:
χ2(ν) = z21 + z22 + z23 + … + z2ν .
В свою очередь при возрастании ν распределение χ2 приближается к нормальному закону распределения.
Действительно, когда ν>30 , вероятность F(χ2) находятся по формуле
F(χ 2 )=1\2·[1-Ф(x)],
где Ф(x)- интеграл вероятностей, а
При ν, превышающем 30, распределение величины оказывается приближенно нормальным со средним значением, равным . и основным отклонением, равным единице.
Итак,
,
где zi - переменная со стандартным нормальным распределением.
При ν > 30 применяется нормальная аппроксимация переценной Х2:
откуда